Therapeutic bronchoscopy for malignant central airway obstruction: Introduction to the <scp>EpiGETIF</scp> registry
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: EpiGETIF is a web-based, multicentre clinical database created in 2019 aiming for prospective collection of data regarding therapeutic rigid bronchoscopy (TB) for malignant central airway obstruction (MCAO). METHODS: Patients were enrolled into the registry from January 2019 to November 2022. Data were prospectively entered through a web-interface, using standardized definitions for each item. The objective of this first extraction of data was to describe the population and the techniques used among the included centres to target, facilitate and encourage further studies in TB. RESULTS: Overall, 2118 patients from 36 centres were included. Patients were on average 63.7 years old, mostly male and smokers. Most patients had a WHO score ≤2 (70.2%) and 39.6% required preoperative oxygen support, including mechanical ventilation in 6.7%. 62.4% had an already known histologic diagnosis but only 46.3% had received any oncologic treatment. Most tumours were bronchogenic (60.6%), causing mainly intrinsic or mixed obstruction (43.3% and 41.5%, respectively). Mechanical debulking was the most frequent technique (67.3%), while laser (9.8%) and cryo-recanalization (2.7%) use depended on local expertise. Stenting was required in 54.7%, silicone being the main type of stent used (55.3%). 96.3% of procedure results were considered at least partially successful, resulting in a mean 4.1 points decrease on the Borg scale of dyspnoea. Complications were noted in 10.9%. CONCLUSION: This study exposes a high volume of TB that could represent a good source of future studies given the dismal amount of data about the effects of TB in certain populations and situations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».